此中有真意,欲辨已忘言。
#新唐(4919)跟Panasonic半導體部門的結盟,
隊長在7月出刊的《Smart智富》月刊275期專欄就已點出,
有興趣的人去買來翻翻~
新唐在2020年第3季完成購併Panasonic半導體部門,並將其更名為NTCJ,於2020Q4 開始完整認列合併報表。NTCJ目前總員工約2,000人,為Fabless廠商,產品主要委託以色列的子公司TPSco代工製造。
NTCJ較新唐台灣多出感測、影像處理及BMS(Battery Management System:電池管理系統的3大業務),將有利於新唐日後打入車用市場。
過往NTCJ都是內銷給Panasonic為主,營收占比約50%以下,且內銷的產品都要加上Panasonic Logo,因此難以賣給其他客戶,但現在拿掉Logo後就可以賣給包括三星(Samsung)、LG 等新客戶,將有望拓展更多客戶群。
營運方面,新唐將NTCJ重新劃分為Sensing、IoT、BMS/Motor、MOSFET等4大業務,4個部門規模、資源相近,讓領導人自由表現,並要求自負盈虧,期許藉由良性競爭的方式激勵各部門發展。
Sensing部門的ToF/Image LiDAR可應用在家庭、機器手臂、賣場、駕車辨識、晶圓品質評估等領域,而DSP/ISP則可用在汽車抬頭、影像顯示器、抗噪音訊處理等領域。
BMS目前則已被包括歐、日系汽車、電動摩托車大廠採用,Motor則被應用於風扇馬達驅動、數據中心、工廠自動化、5G 基站等領域。
再麻煩大家多多按讚分享,您的支持與鼓勵是我最大的原動力,
非常感謝!
------
🏆【張捷主流產業選股術 數位訂閱】
✔️主頁 → https://reurl.cc/NX3jke
🏆【2021張捷產業冠軍班 週二晚上課程】
✔️請撥打客戶服務專線:(02)02-25056789分機轉5720~5723
服務時間:週一至週五08:30~18:00(例假日除外)
品質評估2021 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
Google、軟銀都陣亡過!盤點 AI 專案失敗的 4 大原因
Posted on2021/02/04
若水AI Blog
【我們為什麼挑選這篇文章】為了適應未知多變的世界,許多企業搶做「數位轉型」,從公司營運的各層面如客戶體驗、商業模式、企業文化到作業流程等,透過科技的導入來提升效率與效能;而對製造業企業而言,原料採購、物流管理、庫存調配、生產、行銷等環節則是企業主進行數位轉型會優先考量的面向。
在這之中,AI 的運用扮演很關鍵的角色,如何將 AI 應用到上述各層面並實際執行,是許多企業面臨的挑戰,有哪些要點是執行 AI 專案時需特別留意的?(責任編輯:賴佩萱)
作者:若水 AI 資料資料處理部負責人 簡季婕
2020 年,突如其來的新冠肺炎疫情(Covid-19)改變了許多產業的命運,同時加速推促 AI 落地的速度,AI 人工智慧的應用將成為企業的新日常。
若水 AI 資料服務團隊本著為臺灣 AI 應用落地盡份心力的初衷,順著這波改變,推出全新系列內容:與機器學習(ML : Machine Learning)、AIOps 智慧運維(Artificial Intelligence for IT Operations)有關的實用文,分享各界專家在每一天如何持續營運、優化 AI 架構以及資料處理的基本功。
【若水導讀】AI 專案順利通關的三個絕招:
1. AI 資料來源要多元,避免學習偏誤
2. 標註前,請先建立客觀的 AI 資料標註(Data Annotation)原則
3. 讓 AI 人工智慧成為組織的共同語言,會更容易成功
企業都想做 AI,但實際上沒那麼簡單
根據《臺灣人工智慧學校 AI Academy Taiwan》2019 年針對臺灣各大產業 1,095 位業界校友的調查統計,成功導入 AI 人工智慧的臺灣企業僅占 20%。放眼國際,許多全球知名企業的 AI 專案也慘遭滑鐵盧:
Google 在泰國落地測試智慧醫療失敗,拖慢醫療流程;美國杜克大學發佈的 PULSE 演算法誤將歐巴馬的頭像還原為白人,引發種族歧視爭議。
在日本,軟銀(Softbank)社長孫正義原本打算以 AI 機器人取代銷售人員,沒想到 AI 機器人無法應付實際場域的複雜性,計畫負責人只好承認失敗:「我們把機器學習(Machine Learning)想得太簡單了」。
AI 專案難實際執行,問題出在哪?
若水經手過臺灣、日本超過 200 個的 AI 資料處理專案,從橫跨各大產業領域的專案經驗,整理出企業 AI 之所以無法順利落地的四大原因。
1. AI 模型訓練過程中沒有加入實際場域的資料
無論是剛導入 AI 而產生資料處理需求的新手企業,還是已有 AI 專案經驗、為了 retrain 模型再度找上若水的老手企業,都曾經在同一個地方卡關:AI 資料標註品質有做到位元,但 AI 模型卻無法應用落地 。
為什麼?
原因在於,客戶並未以「實際場景」的資料來進行 AI 模型訓練。
現在市面上有許多開放資料集(Open Dataset)或是免費的商用網路圖片,企業通常會優先使用這些免費資源進行 AI 資料標註(Data Annotation)讓機器學習,但是放到實際場域測試後,經常發現 AI 模型成效不佳,無法適用於實際場景,最終還是需要回過頭再進行第二次模型訓練(Model Training)。
因此 在 AI 專案開始前,建議企業首先需要在內部建立資料資料流(Data Pipeline),而在收集資料時,不只使用開放資料集(Open Dataset),也須確保有使用符合實際應用場景的資料來訓練 AI 模型,全盤考量資料類型、角度等多元性,避免機器學習偏誤 。
2. AI 資料標註原則定義不夠客觀
與企業工程師對接 AI 資料處理需求時,當我們詢問這批人臉辨識(Face Recognition)的 AI 資料標註的原則是什麼,常常會接到諸如此類的回答:「頭太小的話,就不要標註數據」。
一般人的邏輯覺得很合理的事情,對於機器學習(Machine Learning)來說卻是一大挑戰。 機器學習需要知道的是趨近「絕對客觀」的原則 ,例如,所謂的頭太大、太小,換算成具體數值會是幾乘幾大小的 pixel?如果圖片背景融色或模糊,也需要標註起來嗎?
一旦 AI 資料標註原則不夠客觀,AI 模型很容易隨著人的「主觀認定」來學習,當專案換了一位工程師,機器學習出來的效果可能也會跟著變 。在我們的經驗,原則的訂定最好透過「對話」,藉由反覆詰問,才能加快釐清目標。有了歸納、定義出客觀的 AI 資料標註原則。就會加快模型學習(Model Learning)成效。
為了清楚定義圖片融色或模糊的問題,我們採用國際照明委員會(International Commission on Illumination)訂定的 Delta E 標準,和影像(圖像)品質評估標準 BRISQUE,和客戶確認彼此認知是否一致。
根據國際標準,人的肉眼能分辨得出來的色差,至少會在 Delta E 值 2 以上。所以,當一張影像測出來 Delta E 值小於 2,就表示這張圖的融色程度太高,無法標註。
假如客戶希望「太模糊的圖片不要標註」,團隊也會根據 BRISQUE(影像品質評估標準)的標準,輸出不同模糊指數的圖片,請客戶確認所謂的模糊,具體來說是 70% 還是 80%。
3. AI 模型訓練(Model Training)沒有循序漸進
以肢體行為辨識(Posture Estimation)為例,Coco Dataset 從一開始只辨識人體 7 大主要關鍵點(Key Point),後來逐步發展成 25 點,甚至快 40 點,有些客戶會希望若水 AI 團隊可以一次就標註 40 個關鍵點,直接拿去機器學習(Machine Learning)。
說起來,機器學習和教小孩很像,一下子給太多的特徵點(Feature Points)反而會「揠苗助長」,導致 AI 模型學到最後分不清楚自己到底在學習什麼。我們也遇過有些客戶,一開始想用難度較高的 Segmentation 方式讓模型學習人的行為,但是人的行為百百種、語意切割(Segmentation)的變異度也高,就比較難學得好。
當這些客戶再回頭來找若水,通常會比較循序漸進,從小地方開始逐步改進 AI 模型。
4. 缺乏管理層的理解與支持
AI 熱潮讓許多企業趨之若鶩,然而 AI 要能夠順利落地,除了上述三項實務建議,企業管理層對於 AI 的認知和支持更是一大關鍵。
許多臺灣企業的 AI 數位轉型主導者,可能是傳統公司裡面有豐富資歷的 CTO 技術長或管理階層,對於 AI 人工智慧這個全新領域的概念,比較缺乏深度的理解,也沒有類似 AI 模型訓練和測試的相關經驗,從上述 4 個原因去追尋難以落地的根源,或許能有所助益。
資料來源:https://buzzorange.com/techorange/2021/02/04/ai-project-difficulties/?fbclid=IwAR04ZC1-1MquyCObEI5HIfTKtV-OkcfxL_R8vRin4YgQMl8cnhS_6aM59vU
品質評估2021 在 2021幼兒園課程與教學品質評估表 :: 公私立幼兒園543 - morePTT 的推薦與評價
以下是屏東縣私立上以唐幼兒園的相關資訊,包含:學校名稱、公/私立、地址、縣市、鄉鎮市區、電話等詳細資料:學校名稱:屏... ... <看更多>
品質評估2021 在 新版幼兒園課程與教學品質評估表下載 - 讀書心得分享網站 的推薦與評價
幼兒園課程與教學品質評估表_2020 ...,幼兒園課程與教學品質評估表2021版》正式上線囉!這一版還有美美的插圖……有興趣參考者,歡迎進入「全國教保資訊網」即可 ... ... <看更多>
品質評估2021 在 幼兒園專業發展輔導- 《幼兒園課程與教學評估表》上線囉!... 的推薦與評價
不好意思,請問今年2022會出版2021教學品質評估表嗎. 5 mos Report. 幼兒園專業發展輔導, profile picture. 幼兒園專業發展輔導. Fen Yi Liu 會的,正在出版過程中, ... ... <看更多>